-
题名基于时序图神经网络的资产管理反洗钱检测方法
- 1
-
-
作者
徐鑫
朱鸿斌
谌杰
李青汶
张霄蓉
吕智慧
-
机构
上海立信会计金融学院计算机与人工智能学院
复旦大学计算与智能创新学院
上海财经大学信息管理与工程学院
-
出处
《计算机科学》
北大核心
2025年第10期60-69,共10页
-
基金
国家自然科学基金面上项目(61873309)
国家重点研发计划(2023YFC3305304)
上海科技创新行动计划(24692111100)。
-
文摘
资产管理行业因高频且灵活的资金操作方式,已成为洗钱活动的重要目标。然而,资产管理行业中交易结构的稀疏性、客户间隐性资金流转路径的复杂性,以及交易行为的非统一特征,使得传统显式关系的图建模方法难以有效应对这些挑战。针对上述问题,提出了一种基于时序图神经网络的资产管理反洗钱检测框架(AM-GAML)。该框架通过融合时序模型与图神经网络,构建时间-结构联合嵌入表示,并设计了基于隐式交互关系的图生成机制,能够充分挖掘交易记录中的弱关联特征并捕捉客户间复杂的交易行为模式。在真实交易数据集上的实验验证了AM-GAML在准确率、召回率、F1-score和AUPRC等多个关键指标上显著优于多个先进方法,尤其在少数类识别和泛化能力方面表现突出。所提方法为资产管理行业的反洗钱检测提供了高效且可靠的解决方案,并为复杂金融场景下的风险防控研究提供了有力支持。
-
关键词
资产管理
反洗钱
时序模型
图神经网络
交易行为分析
-
Keywords
Asset management
Anti-money laundering
Temporal model
Graph neural network
Transaction behavior analysis
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
F832.39
[经济管理—金融学]
-
-
题名表格数据生成技术综述
- 2
-
-
作者
王永鑫
徐鑫
朱鸿斌
-
机构
复旦大学金融科技研究院
复旦大学计算与智能创新学院
上海立信会计金融学院计算机与人工智能学院
-
出处
《计算机科学》
北大核心
2025年第10期3-12,共10页
-
基金
国家自然科学基金青年基金(62306077)
国家重点研发计划(2023YFC3305304)。
-
文摘
表格数据因在金融、医疗等关键领域广泛应用而具有重要价值。然而,对于表格数据的有效利用,常受到数据稀缺、类别不平衡及隐私法规的严格制约。为应对这些挑战,通过生成模型合成在统计特性上与真实数据高度相似的样本,已成为一种新兴的解决方案,旨在增强数据可用性并保护用户隐私。该领域的技术发展路径从传统的深度学习模型逐步演进至前沿范式。早期的探索以变分自编码器和生成对抗网络为代表,但这些方法常面临训练不稳定和模式坍塌等瓶颈,影响了生成数据的质量。为克服这些难题,扩散模型应运而生,其通过渐进式的去噪过程,在生成高保真度和多样性的样本方面展现出显著优势。尽管如此,这些模型的核心仍是模仿统计分布,缺乏对现实世界常识的理解。为此,最新的研究转向基于大型语言模型的方法,利用其丰富的世界知识,旨在生成不仅统计真实,而且在逻辑与语义上也更合理的合成表格数据。对该领域的系统性回顾,旨在为研究者和从业者提供全面的技术认知,并为不同应用场景下选择最合适的技术路径提供决策参考。
-
关键词
表格数据生成
大语言模型
生成方法
-
Keywords
Tabular data generation
Large language model
Generative methods
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
